Ferramenta orientada a algoritmos de deep learning para identificação e categorização de blocos de informação em faturas de energia

Abstract

Faturas são documentos que relatam uma transação comercial. Seu processamento em massa é uma realidade em diversas empresas, porém, a maior parte desse processamento ainda é feito de forma manual. Abordagens automáticas são raras, seja pela imprevisibilidade dos layouts nas faturas, ou pelo seu conteúdo com informações sensíveis. Dentro do mercado de energia brasileiro existem mais de 100 distribuidoras emitindo um conjunto incontável de layouts distintos de fatura. O presente trabalho tem como objetivo criar uma ferramenta para fazer a identificação e categorização de blocos de informação relevantes em faturas de energia. Para isso, o sistema utiliza uma rede neural para detecção de objetos (RetinaNet) em conjunto com uma ResNet-50 para extração dos mapas de características. O processo de treinamento ocorre em um conjunto de mais de 10 mil faturas de duas distribuidoras de energia, em um número limitado de blocos (tabela de faturamento, impostos, leitura, informações do cliente e número da instalação). Ao final da pesquisa foi possível analisar a eficiência da implementação, através de métricas como mAP e se a solução também é válida para outras distribuidoras de energia.